Lebih dari setahun setelah rilis ChatGPT, diskusi tentang AI+Crypto kembali memanas akhir-akhir ini. AI dianggap sebagai salah satu jalur terpenting untuk pasar bullish 2024-2025, bahkan Vitalik Buterin sendiri menerbitkan artikel "Janji dan tantangan aplikasi kripto + AI" untuk membahas arah eksplorasi potensial untuk AI + Crypto di masa depan. Artikel ini tidak akan membuat terlalu banyak prediksi subjektif tetapi hanya akan memilah-milah proyek wirausaha kombinasi AI dan Crypto yang diamati selama setahun terakhir dari perspektif pasar primer, untuk melihat dari sudut mana pengusaha telah memasuki pasar, pencapaian apa yang telah dibuat, dan area mana yang masih dieksplorasi.

I. Siklus AI+Kripto

Sepanjang tahun 2023, kami telah membahas hampir lusinan proyek AI+Crypto, di mana siklus yang jelas dapat diamati. Sebelum rilis ChatGPT pada akhir tahun 2022, hanya ada beberapa proyek blockchain yang terkait dengan AI di pasar sekunder, dengan yang utama adalah proyek-proyek lama seperti FET dan AGIX. Demikian pula, pasar utama hanya melihat beberapa proyek terkait AI.

Dari Januari hingga Mei 2023, merupakan periode ledakan terkonsentrasi pertama dari proyek AI, terutama karena ChatGPT memiliki dampak yang sangat besar. Banyak proyek lama di pasar sekunder yang beralih ke jalur AI, dan hampir setiap minggu, ada diskusi tentang proyek AI + Crypto di pasar primer. Namun, proyek-proyek AI pada periode ini terasa relatif sederhana, banyak di antaranya hanyalah proyek "reskinned" dan "blockchain-converted" yang didasarkan pada ChatGPT, tidak memiliki hambatan teknologi inti. Tim pengembangan internal kami sering kali dapat mereplikasi kerangka kerja dasar proyek hanya dalam satu atau dua hari. Hal ini membuat kami mendiskusikan banyak proyek AI selama ini, tetapi pada akhirnya, kami tidak melakukan langkah apa pun.

Dari bulan Mei hingga Oktober, pasar sekunder mulai mengalami penurunan, dan yang menarik, jumlah proyek AI di pasar primer juga mengalami penurunan yang signifikan hingga satu atau dua bulan terakhir ketika jumlahnya mulai meningkat lagi, dengan diskusi, artikel, dan lainnya tentang AI + Crypto menjadi lebih kaya. Kami kembali memasuki masa "booming" di mana kami dapat menemukan proyek-proyek AI setiap minggunya. Setelah enam bulan, kami merasakan bahwa proyek-proyek AI yang baru memiliki pemahaman yang lebih baik secara signifikan mengenai jalur AI, implementasi skenario komersial, dan integrasi AI+Crypto dibandingkan dengan periode AI Hype yang pertama. Meskipun hambatan teknologi masih belum kuat, namun secara keseluruhan kematangannya telah mencapai tingkat yang baru. Baru pada tahun 2024, kami akhirnya bertaruh pertama kali di jalur AI+Crpyto.

II. Di Jalur AI + Crypto

Vitalik, dalam artikelnya tentang "Prakiraan dan Tantangan," memprediksi dari beberapa dimensi dan perspektif yang relatif abstrak:

• AI sebagai pemain dalam game
• AI sebagai antarmuka permainan
• AI sebagai aturan main
• AI sebagai target permainan

Namun, kami merangkum proyek-proyek AI yang saat ini terlihat di pasar primer dari sudut pandang yang lebih konkret dan langsung. Proyek-proyek dalam AI + Crypto sebagian besar berkisar pada inti Crypto, yaitu "desentralisasi teknis (atau politik) + asetisasi komersial."

Desentralisasi tidak perlu diperkenalkan lagi; ini semua tentang Web3. Berdasarkan jenis asetisasi, secara garis besar dapat dibagi menjadi tiga jalur utama:

• Asetisasi daya komputasi
• Asetisasi model
• Kapitalisasi data

Asetisasi Daya Komputasi

Ini adalah jalur yang relatif padat, mencakup berbagai proyek baru serta pivot dari proyek-proyek lama, seperti Akash dari Cosmos dan Nosana dari Solana. Harga token melonjak setelah pivot, mencerminkan optimisme pasar terhadap jalur AI. RNDR, meskipun terutama berfokus pada rendering terdesentralisasi, juga dapat melayani tujuan AI, sehingga banyak yang mengklasifikasikan RNDR dan proyek-proyek yang berhubungan dengan daya komputasi serupa di bawah jalur AI.

Asetisasi daya komputasi dapat dibagi lagi menjadi dua arah:

Komputasi terdesentralisasi untuk pelatihan AI, yang diwakili oleh Gensyn.

Komputasi terdesentralisasi untuk inferensi AI, diwakili oleh sebagian besar pivot dan proyek baru.

Fenomena menarik yang teramati di jalur ini, atau lebih tepatnya rantai skeptisisme, adalah sebagai berikut:

AI Tradisional → Inferensi Terdesentralisasi → Pelatihan Terdesentralisasi

Mereka yang memiliki latar belakang AI tradisional merasa skeptis terhadap pelatihan atau inferensi AI yang terdesentralisasi. Dan di dalam ruang desentralisasi, mereka yang berfokus pada kesimpulan meragukan kelayakan pelatihan yang terdesentralisasi. Alasan utamanya terletak pada tantangan teknis, karena pelatihan AI (terutama untuk model yang besar) membutuhkan data yang sangat besar dan, yang lebih penting lagi, bandwidth yang tinggi untuk komunikasi data. Saat ini, melatih model Transformer besar memerlukan matriks GPU kelas atas (seperti 4090 atau H100 untuk AI) ditambah NVLink dan sakelar serat optik profesional untuk saluran komunikasi tingkat 100G, sehingga menimbulkan keraguan tentang kelayakan desentralisasi untuk tugas-tugas tersebut.

• Mereka yang berasal dari jurusan AI tradisional tidak optimis dengan pelatihan atau penalaran AI yang terdesentralisasi.
• Mereka yang menggunakan penalaran desentralisasi tidak optimis dengan pelatihan desentralisasi.

Alasannya terutama bersifat teknis, karena pelatihan AI (terutama AI model besar) melibatkan data dalam jumlah besar, dan yang lebih dibesar-besarkan daripada kebutuhan data adalah kebutuhan bandwidth yang disebabkan oleh komunikasi data berkecepatan tinggi. Dalam lingkungan model besar Transformer saat ini, melatih model besar ini memerlukan sejumlah besar kartu grafis kelas atas 4090 level/H100 kartu grafis AI profesional yang dibeli dengan matriks daya komputasi + saluran komunikasi tingkat 100G yang terdiri dari NVLink dan sakelar serat optik profesional. Anda mengatakan bahwa hal ini dapat diimplementasikan secara terdesentralisasi, hmm...

Penalaran AI membutuhkan daya komputasi dan bandwidth komunikasi yang jauh lebih sedikit daripada pelatihan AI. Kemungkinan desentralisasi secara alami jauh lebih besar daripada pelatihan. Inilah sebabnya mengapa sebagian besar proyek yang berhubungan dengan daya komputasi terlibat dalam penalaran, dan pelatihan pada dasarnya hanya Gensyn. pemain besar seperti Together yang telah mengumpulkan lebih dari 100 juta yuan. Namun sama halnya, dari perspektif kinerja biaya dan keandalan, setidaknya pada tahap ini, daya komputasi terpusat masih jauh lebih baik daripada penalaran yang terdesentralisasi.

Tidak sulit untuk menjelaskan mengapa, ketika melihat penalaran terdesentralisasi dan pelatihan terdesentralisasi, mereka berpikir "Anda tidak dapat melakukannya sama sekali", sementara AI tradisional melihat pelatihan dan penalaran terdesentralisasi dan berpikir "pelatihan secara teknis tidak realistis" dan "penalaran tidak dapat diandalkan secara komersial". Spektrum".

Beberapa orang mengatakan bahwa ketika BTC/ETH pertama kali keluar, semua orang juga mengatakan bahwa model semua node terdistribusi yang dihitung tidak dapat diandalkan dibandingkan dengan komputasi awan, tetapi bukankah itu berhasil pada akhirnya? Kemudian, hal ini tergantung pada kebutuhan pelatihan AI di masa depan dan penalaran AI untuk dimensi ketepatan, tidak dapat dirusak, dan redundansi. Hanya berfokus pada kinerja, keandalan, dan harga tidak bisa lebih baik daripada sentralisasi untuk saat ini.

Asetisasi Model

Jalur ini ramai dan relatif lebih mudah dipahami dibandingkan dengan asetisasi daya komputasi. Popularitas ChatGPT dan aplikasi seperti Character.AI telah menunjukkan potensi model bahasa yang besar. Pengguna dapat mencari pengetahuan dari tokoh-tokoh sejarah seperti Socrates atau Konfusius, mengobrol dengan selebriti seperti Elon Musk atau Sam Altman, atau bahkan terlibat dalam percakapan romantis dengan idola virtual seperti Hatsune Miku atau Raiden Shogun. Keajaiban ini semua berkat model bahasa yang besar, dengan konsep Agen AI yang tertanam kuat melalui Character.AI.

Bagaimana jika agen-agen ini, seperti Confucius, Musk, atau Raiden Shogun, adalah NFT?

Bukankah ini AI X Crypto?!

Ini mewujudkan konsep AI X Crypto. Ini lebih kepada asetisasi agen yang dibuat dari model besar daripada model itu sendiri, karena model besar tidak dapat secara langsung ditempatkan di blockchain. Fokusnya adalah pada pemetaan agen ke NFT untuk menciptakan rasa "asetisasi model" di ruang AI X Crypto.

Saat ini, ada agen untuk belajar bahasa Inggris, kencan, dan banyak lagi, bersama dengan proyek-proyek turunan seperti pencarian agen dan pasar. Masalah umum di jalur ini adalah kurangnya hambatan teknis, karena banyak proyek yang hanya meng-NFT-kan konsep Character.AI. Integrasi dengan blockchain seringkali minimal, mirip dengan bagaimana GameFi NFT di Ethereum mungkin hanya menyimpan URL atau hash dalam metadata mereka, dengan model / agen yang dihosting di server cloud. Perdagangan di blockchain pada dasarnya melibatkan hak kepemilikan.

Terlepas dari tantangan-tantangan ini, asetisasi model/agen kemungkinan besar akan tetap menjadi jalur utama dalam AI x Crypto, dengan harapan untuk proyek-proyek yang lebih kuat secara teknis dan terintegrasi dengan blockchain di masa depan.

Asetisasi Data

Asetisasi data secara logis paling cocok untuk AI+Crypto, karena pelatihan AI tradisional terutama menggunakan data yang terlihat yang tersedia di internet, atau lebih tepatnya - data dari lalu lintas domain publik, yang mungkin hanya mencapai 10-20% dari total. Sebagian besar data sebenarnya berada dalam lalu lintas domain pribadi (termasuk data pribadi). Jika data lalu lintas ini dapat digunakan untuk melatih atau menyempurnakan model besar, kita pasti dapat memiliki lebih banyak agen/bot khusus di berbagai domain vertikal.

Slogan Web3 yang paling dikenal adalah "Baca, Tulis, Miliki!"

Oleh karena itu, di bawah panduan insentif terdesentralisasi melalui AI + Crypto, merilis data lalu lintas keinginan individu dan pribadi untuk asetisasi untuk memberikan "umpan" yang lebih baik dan lebih kaya untuk model besar terdengar seperti pendekatan yang sangat logis. Memang, beberapa tim sangat terlibat dalam bidang ini.

Namun, tantangan terbesar di jalur ini adalah data tidak mudah distandarisasi seperti halnya daya komputasi. Untuk daya komputasi terdesentralisasi, model kartu grafis Anda secara langsung diterjemahkan ke dalam sejumlah daya komputasi, sedangkan kuantitas, kualitas, dan tujuan data pribadi sulit diukur di berbagai dimensi. Jika daya komputasi terdesentralisasi seperti ERC20, maka asetisasi data pelatihan AI untuk AI terdesentralisasi terasa lebih seperti ERC721, dicampur dengan banyak proyek dan ciri-ciri seperti PunkAzuki, membuat likuiditas dan pengembangan pasar secara signifikan lebih menantang daripada dengan ERC20. Dengan demikian, proyek-proyek yang mengerjakan asetisasi data AI menghadapi kesulitan yang cukup besar.

Aspek lain yang patut diperhatikan dari jalur data adalah pelabelan yang terdesentralisasi. Asetisasi data berlaku untuk langkah "pengumpulan data", dan data yang terkumpul perlu diproses sebelum diberikan kepada AI, dan di sinilah pelabelan data berperan. Langkah ini saat ini merupakan tugas yang terpusat dan padat karya. Dengan mendesentralisasikan proses ini melalui imbalan token, mengubah pekerjaan tenaga kerja ini menjadi pelabelan terdesentralisasi untuk mendapatkan penghasilan, atau menyebarkan pekerjaan dengan cara yang mirip dengan platform crowdsourcing, adalah konsep yang sedang dieksplorasi. Beberapa tim saat ini sedang mengembangkan bidang ini.

III. Potongan Puzzle yang Hilang dalam AI + Crypto

Mari kita bahas secara singkat, dari sudut pandang kami, bagian yang hilang di sektor AI + Crypto.

1. Hambatan Teknologi: Seperti yang telah disebutkan sebelumnya, mayoritas proyek AI + Crypto hampir tidak memiliki hambatan dibandingkan dengan proyek AI tradisional di ruang Web2. Mereka lebih mengandalkan model ekonomi dan insentif token, memfokuskan upaya mereka pada pengalaman front-end, pasar, dan operasi. Meskipun tidak ada yang salah dengan hal ini-desentralisasi dan distribusi nilai memang merupakan kekuatan Web3-kurangnya hambatan inti sering kali memberikan kesan "X to Earn". Kami masih menantikan lebih banyak tim dengan teknologi inti, seperti perusahaan induk RNDR, OTOY, yang membuat langkah signifikan dalam ruang Crypto.

2. Kondisi Praktisi Saat Ini: Berdasarkan pengamatan kami, beberapa tim di sektor AI x Crypto sangat berpengetahuan luas tentang AI tetapi tidak memiliki pemahaman yang mendalam tentang Web3. Sebaliknya, beberapa tim sangat Crypto Native tetapi memiliki pemahaman yang dangkal tentang AI. Hal ini sangat mirip dengan sektor Gamefi awal, di mana tim memiliki pemahaman yang mendalam tentang game dan berusaha untuk mengadaptasi game Web2 ke blockchain atau berpengalaman dalam Web3, dengan fokus pada inovasi dan mengoptimalkan berbagai model penghasilan. Matr1x adalah tim pertama yang kami temui di sektor Gamefi dengan pemahaman double-A tentang game dan Crypto, itulah sebabnya saya sebelumnya menyebutkan bahwa Matr1x adalah salah satu dari tiga proyek di tahun 2023 yang saya putuskan "tepat setelah diskusi." Kami berharap dapat melihat tim dengan pemahaman double-A di bidang AI dan Crypto pada tahun 2024.

3. Skenario Komersial: AI X Crypto berada pada tahap eksplorasi yang sangat awal. Berbagai asetisasi yang disebutkan di atas hanyalah beberapa arah yang luas, masing-masing dengan sub-sektor potensial yang dapat dieksplorasi dan disegmentasi secara cermat. Kombinasi AI dan Kripto dalam proyek-proyek saat ini sering kali terasa "kaku" atau "kasar", gagal memanfaatkan keunggulan kompetitif terbaik atau kemampuan kombinasinya baik dari AI maupun Kripto. Hal ini berkaitan erat dengan poin kedua yang disebutkan di atas. Sebagai contoh, tim pengembangan internal kami menyusun dan merancang metode kombinasi yang lebih optimal. Sayangnya, meskipun telah meninjau banyak proyek di sektor AI, kami belum menemukan tim yang memasuki ceruk ini. Oleh karena itu, kami hanya bisa terus menunggu.

Mengapa VC kami dapat memikirkan skenario tertentu sebelum para pengusaha di pasar? Karena tim AI internal kami terdiri dari tujuh orang master, lima di antaranya bergelar Ph.D. di bidang AI. Mengenai pemahaman tim ABCDE tentang Crypto, yah, Anda tahu...

Kesimpulannya, meskipun dari perspektif pasar primer, AI x Crypto masih sangat awal dan belum matang, hal ini tidak menghalangi kita untuk optimis dengan prospeknya di tahun 2024-2025. AI x Crypto dapat menjadi salah satu sektor utama di pasar bullish berikutnya. Lagipula, jika AI membebaskan kekuatan produktif dan blockchain membebaskan hubungan produksi, kombinasi apa lagi yang lebih baik yang bisa dilakukan? :)

Penafian: Penafian

1. Artikel ini dicetak ulang dari [ABCDE], Semua hak cipta adalah milik penulis asli[ABCDE]. Jika ada keberatan dengan pencetakan ulang ini, silakan hubungi tim Gate Learn, dan mereka akan segera menanganinya.
2. Penafian Tanggung Jawab: Pandangan dan pendapat yang diungkapkan dalam artikel ini semata-mata merupakan pandangan dan pendapat penulis dan bukan merupakan saran investasi.
3. Penerjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel terjemahan dilarang.